Yaohui Wang

Vorch-Human 音视频生成论文被作者撤回

一篇题为 Vorch-Human 的研究论文，该论文提出了一个统一的以人为中心的音视频生成框架，已被其作者 Yaohui Wang 撤回。该框架利用了双流音视频扩散 Transformer 来处理诸如根据语音驱动人物动画、根据声音参考生成语音和视频以及根据外观和声音参考合成场景等任务。该论文详细介绍了用于标注的两级数据管道，并使模型适应了长时序生成，展示了改进的身份保持和同步性。